[发明专利]一种儿童肺炎辅助诊断模型及其训练方法

权利要求书

1.一种儿童肺炎辅助诊断模型，其特征在于：经由下述步骤训练获得：

S1、获取儿童肺炎患者的医学图像及对应的医学诊断语句，所述医学图像作为训练图像集合，所述医学诊断语句则作为训练语句；

S2、通过CNN神经网络对图像训练集数据提取图像深度特征向量，得到深度特征图集，通过word2vec模型对所述训练语句进行词向量训练，得到深度特征向量词集；

S3、对所述深度特征图集和所述深度特征向量词集进行特征融合，获得融合特征集合；

S4、通过LSTM神经网络对所述融合特征集合进行训练，即能获得训练好的儿童肺炎辅助诊断模型；所述LSTM神经网络在对所述融合特征集合的训练过程中，先使用Word2Vec模型将词向量的集合对应成句子,得到表征该句子的句向量；然后将所述句向量作为输入层的输入部分，所述句向量的每个分量对应一输入层节点，隐藏层根据预先 设置对细胞状态的相关信息进行隐藏,输出层的节点个数就是要分类的类别数；所述LSTM神经网络是通过seq2seq模型对所述融合特征集合进行训练，且所述LSTM神经网络中添加了dropout层来防止训练过程中的过拟合；

所述步骤S1中还对所述医学图像进行图像扩充处理，图像扩充处理具体是：

S11、将所述医学图像作为初始图像；

S12、对所述初始图像进行旋转，得到旋转医学图像；对所述初始图像进行缩放处理，得到缩放医学图像；

其中，旋转处理采用下述公式1计算：

公式1中，(i₂,j₂)是初始图像的像素点的坐标，θ为旋转角度并以中心像素点为基点，(i₁,j₁)是将对应像素点(i₂,j₂)旋转之后的像素点的坐标；

所述缩放处理采用下述公式2计算：

公式2中，(i₂,j₂)是初始图像某一像素点的坐标，为水平方向缩放的比率，为垂直方向缩放的比率，(i₁,j₁)是将对应像素点(i₂,j₂)缩放之后的像素点的坐标；

S13、将所述初始图像、所述旋转医学图像和所述缩放医学图像一并作为所述训练图像集合。

2.根据权利要求1所述的一种儿童肺炎辅助诊断模型，其特征在于：

所述步骤S2中，所述Word2Vec模型将所述训练语句中的每个词汇对应一个多维向量,通过该多维向量用变化的数字来表征词汇，且每个词汇均具有一个唯一的索引值；

所述CNN神经网络具体是：使用在Imagenet数据集预训练过的CNN神经网络作为初始CNN神经网络，再使用Dense层将该初始CNN神经网络的最后一个分类层替换为具有两个分类的分类层，得到所述CNN神经网络；

所述图像深度特征向量还需经线性变换后分别通过所述索引值与所述深度特征向量词集中的每个词汇进行映射。

3.根据权利要求1所述的一种儿童肺炎辅助诊断模型，其特征在于：所述步骤S3中，所述特征融合是通过element-wise add方式进行，特征融合为下述公式3：

公式3中，Z为融合特征，X_i为深度特征图集中第i张图的深度特征，Y_i为所述深度特征向量词集中的对应于第i张图的医学诊断语句深度特征向量，C为深度特征图集中的图像总数，K_i为权重。